基于模糊神经网络的中小企业信用评级研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 选题背景与研究意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究动态 | 第13-17页 |
| 1.2.1 国内外研究动态 | 第13-17页 |
| 1.2.2 研究思路的引出 | 第17页 |
| 1.3 技术路线 | 第17-19页 |
| 1.4 全文内容与结构安排 | 第19-20页 |
| 第二章 中小企业信用评级理论 | 第20-26页 |
| 2.1 中小企业与信用风险 | 第20-21页 |
| 2.1.1 中小企业概念 | 第20-21页 |
| 2.1.2 信用风险概念 | 第21页 |
| 2.2 中小企业融资 | 第21-23页 |
| 2.2.1 中小企业融资需求与渠道 | 第21-22页 |
| 2.2.2 商业银行中小企业贷款 | 第22-23页 |
| 2.3 中小企业信用评级 | 第23-25页 |
| 2.3.1 信用评级概念 | 第23-24页 |
| 2.3.2 中小企业信用评级 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 模糊神经网络理论 | 第26-39页 |
| 3.1 模糊逻辑 | 第26-29页 |
| 3.1.1 模糊集合与隶属度 | 第26-28页 |
| 3.1.2 模糊逻辑规则与推理 | 第28-29页 |
| 3.2 人工神经网络 | 第29-32页 |
| 3.2.1 神经网络的概念 | 第29-31页 |
| 3.2.3 典型的人工神经网络 | 第31-32页 |
| 3.3 模糊神经网络(FNN) | 第32-38页 |
| 3.3.1 FNN的概念 | 第32-33页 |
| 3.3.2 FNN的系统结构 | 第33-34页 |
| 3.3.3 FNN的学习算法 | 第34-37页 |
| 3.3.4 FNN与BP网络的比较 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 指标选取与样本处理 | 第39-47页 |
| 4.1 指标选取 | 第39-44页 |
| 4.1.1 典型信用评级指标体系介绍 | 第39-41页 |
| 4.1.2 构建中小企业信用评级指标体系 | 第41-44页 |
| 4.2 样本处理 | 第44-45页 |
| 4.2.1 样本数据预处理 | 第44-45页 |
| 4.2.2 样本数据抽样 | 第45页 |
| 4.3 本章小结 | 第45-47页 |
| 第五章 模型的建立、仿真与检测 | 第47-66页 |
| 5.1 模型建立 | 第47-49页 |
| 5.1.1 建立FNN | 第47页 |
| 5.1.2 FNN的系统流程 | 第47-49页 |
| 5.2 模型仿真 | 第49-59页 |
| 5.2.1 确定模糊子集数 | 第49-54页 |
| 5.2.2 网络结构与模糊规则 | 第54-55页 |
| 5.2.3 隶属度函数变化 | 第55-59页 |
| 5.3 模型检测 | 第59-65页 |
| 5.3.1 中型企业信用评级检测结果 | 第59-61页 |
| 5.3.2 小型企业信用评级检测结果 | 第61-62页 |
| 5.3.3 与传统神经网络模型对比 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 结论与展望 | 第66-69页 |
| 6.1 全文总结和对策建议 | 第66-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间参与的学术课题 | 第78-79页 |
